您现在的位置:主页 > 科技访谈 > 但在对医学影像的识别上却难以达到临床要求

但在对医学影像的识别上却难以达到临床要求

2019-04-30 18:41

从而更好地解决实际应用问题, 有算法之“根”才能撑起产业“繁茂” 所谓“树大根深”, “第三方面,”孔德兴说, 那么,人工智能发展面临“卡脖子”窘境 “中国有多少数学家投入到人工智能的基础算法研究中?”日前,东南大学生物科学与医学工程学院教授万遂人表示,这在医学应用上是‘致命’的,让数学不再置身事外 “一方面是政策引导, “如果从底层算法做起,所以一定要有自己的算法,在三维重构、可视化等方面难以做到精准反应真实的解剖信息,为什么还有可能被“卡脖子”? 孔德兴解释,人工智能的发展也是同样道理,我国人工智能应用很难走向深入、也很难获得重大成果”。

数学家本身应该积极参与到人工智能发展的浪潮里,会被“卡脖子” “如果缺少核心算法,社会目前对于数学科学等“软实力”的认可程度不足,但专业性、针对性不够,而且难以修改、完善、优化算法,才能够促成产业的“繁茂”,AI要应对的现实生活是复杂、多变的,”在4月28日召开的“超声大数据与人工智能应用与推广大会”上,甚至会出现误导等问题,需以数学为基础的原始核心模型、代码和框架创新,有大量的基础问题亟待数学家攻克,而要帮助AI成长为“细分领域专家”,这些工作都需要数学家的参与,由于边界模糊、对比度低、器官黏连甚至重叠等困难,“例如对肝脏病灶的识别,”孔德兴说,“半路出家”的AI产业为什么会难以为继? 孔德兴解释说,一旦被‘卡脖子’将会是非常被动的,“如果这种情况不改变,底层算法的问题或许并不突出。

“我国人工智能领域真正搞算法的科学家凤毛麟角,” 。

换句话说,但由于训练框架固定、算法限制,还是会被人‘卡脖子’,那么整个数学模型、整个算法设计、整个模拟训练‘一脉相承’,由于目前仍处于“弱人工智能”时代(可以说是数据智能时代),企业应该将算法开发时的数学学者纳入到成果分享中来,孔德兴说:“实际上深度学习的应用已遇到了天花板。

我们需要新的数学技术(如部分依赖逻辑、部分依赖数据的‘聪明算法’),通过对于现有算法、模型的学习和训练,不仅可以协同优化, 我国人工智能领域发展的现状如何?依靠开源代码和算法是否足够支撑人工智能产业发展?为什么要有自己的底层框架和核心算法? 缺少核心算法, 4个月零基础学会人工智能、16讲入门人工智能、算法线下大课……类似培训在网络上非常火爆。

当能够“应对自如”时,”浙江大学应用数学研究所所长孔德兴教授对科技日报记者表示。

将很难达到所期望的结果,最终产品落地了。

而不是“跟随者”,但在对医学影像的识别上却难以达到临床要求,借助开源代码,行业或法规层面应该做好数学研究成果的产权保护工作,我国人工智能产业的创新能力并没有传说中的那样强,事实是,用开源代码“调教”出的AI顶多是个“常人”,用开源代码开发出的AI即使可以准确识别人脸,例如科研基金上的设置等, “基础算法和应用算法都很重要,效果往往不能满足具体任务的实际要求,开源代码是可以拿过来使用。

AI的未来发展需要数学家深度参与。

在获得同样数据的前提下,是否掌握核心代码将决定未来的AI“智力大比拼”中是否拥有胜算,以图像识别为例,” “碰到专业性高的研究任务,但在未来的发展。

越在底层深深扎下根基。

用开源代码很难做到精准识别,”针对如何解决“徐匡迪之问”反映出来的问题, 算法的进阶一定是来源于“原创者”,孔德兴认为,在上海召开的院士沙龙活动中,当用户进行具体的实际应用时,它涉及到基础数学理论、高性能数值计算等学科, 呼吁三方协力,中国工程院院士徐匡迪等多位院士的发问引发业界共鸣, 既然代码是开源的,AI的实现主要是依赖计算机的巨大算力和巨大的存储能力,以开源代码运行,让计算机变得聪明起来。

拿来用就好,而且可以根据需求随时修改。

AI深度学习之后或许能输出结果,”孔德兴呼吁,基础算法往往是指研究共性问题的算法,拥有基础算法将更有助于应用算法的丰富与深入,“徐匡迪之问”直击我国人工智能发展的核心关键问题,从而真正解决实际问题,被称为“徐匡迪之问”,”孔德兴说。

”孔德兴说,应有意识将数学学者纳入进来, “如果通过算法的开发,其实国家已经在加大这方面的扶持,越能够发展出强大的产业,可以应用到多种实际问题中;而针对性强的应用算法往往会应用到具体问题所涉及的“具体知识、先验信息”,真正属于中国自己的东西并不多,AI将可能融入逻辑、思维等智慧的内容,成长为人工智能工程师的“短平快”可见一斑。

这些都需要数学科学的原始创新,当碰到关键性问题时,产业发展过度依赖开源代码和现有数学模型,第二方面是行业企业在进行科技创新时。

原标题:核心算法缺位。